Higress AI Intent插件多场景意图识别能力增强实践
2025-06-09 20:12:15作者:晏闻田Solitary
背景介绍
在现代微服务架构中,意图识别作为AI能力的重要入口,其准确性和灵活性直接影响着后续服务的路由决策和响应质量。Higress作为阿里巴巴开源的云原生网关,其AI Intent插件原本仅支持单一意图识别,难以满足复杂业务场景下的多样化需求。
需求分析
在实际生产环境中,AI意图识别往往需要同时处理多个维度的判断:
- 业务领域识别:用于智能路由到专业领域模型(如金融问题路由到金融专用模型)
- 缓存控制判断:识别请求是否具有时效性,决定是否启用缓存机制
- 数据分析分类:为后续的日志分析和数据挖掘提供结构化标签
这种多维度并行识别的需求促使我们对Higress AI Intent插件进行功能增强。
技术方案设计
配置结构优化
新版本插件采用了更符合直觉的YAML配置结构:
prompt: |
作为智能分类助手,你需要根据用户查询和预设分类确定问题类别...
categories:
- useFor: intent-route # 用途标识
options:
- Finance
- E-commerce
- Law
- useFor: disable-cache
options:
- Time-sensitive
- Innovative-response
llm:
serviceName: "qwen.dns"
model: "qwen-long"
关键改进点包括:
- 支持多用途分类定义
- 每个分类场景可独立配置选项集
- 优化了提示词模板的灵活性
响应格式规范
为确保机器可读性,我们设计了严格的响应格式规范:
- {"useFor": "scene1", "result": "result1"}
- {"useFor": "scene2", result: "result2"}
这种行式JSON格式既保持了可读性,又便于程序解析,同时确保不同用途的结果相互独立。
属性存储机制
识别结果通过Wasm标准接口存储:
proxywasm.SetProperty([]string{"intent_category:intent-route"}, "Finance")
采用命名空间前缀intent_category:
实现多结果的隔离存储,下游插件可通过标准接口获取特定用途的分类结果。
实现细节
多分类并行处理
核心处理流程分为三个阶段:
- 模板渲染:将用户问题动态插入预设提示词模板
- LLM交互:与配置的大模型服务进行对话
- 结果解析:按规范提取多维度分类结果
错误处理机制
新增了严格的格式校验:
- 检查每行是否符合JSON格式
- 验证useFor是否与配置匹配
- 确认result值在预设options范围内
当出现格式错误时,插件会记录详细错误日志并跳过该条结果,不影响其他有效结果的存储。
应用场景示例
智能路由场景
categories:
- useFor: model-selection
options:
- Coding:claude-model
- Medical:med-llm
- General:qwen-model
网关可根据识别结果自动选择最适合的专业模型处理请求。
缓存控制场景
categories:
- useFor: cache-control
options:
- Real-time:no-cache
- Static:enable-cache
动态识别请求特性,优化缓存策略,平衡响应速度与资源消耗。
性能考量
- 批量处理:单次LLM调用完成所有分类,减少交互延迟
- 结果缓存:相同问题模板的识别结果可缓存复用
- 超时控制:严格限制LLM响应时间,避免阻塞请求链路
总结
Higress AI Intent插件的多场景意图识别增强,通过精心设计的配置结构和响应规范,实现了业务逻辑与技术实现的优雅解耦。这种设计既保留了简单场景的易用性,又为复杂需求提供了足够的扩展空间,是AI能力与API网关深度集成的优秀实践。
登录后查看全文
热门项目推荐
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0267cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
1 freeCodeCamp音乐播放器项目中的函数调用问题解析2 freeCodeCamp论坛排行榜项目中的错误日志规范要求3 freeCodeCamp猫照片应用教程中的HTML注释测试问题分析4 freeCodeCamp JavaScript高阶函数中的对象引用陷阱解析5 freeCodeCamp全栈开发课程中React实验项目的分类修正6 freeCodeCamp课程视频测验中的Tab键导航问题解析7 freeCodeCamp全栈开发课程中React组件导出方式的衔接问题分析8 freeCodeCamp英语课程视频测验选项与提示不匹配问题分析9 freeCodeCamp课程页面空白问题的技术分析与解决方案10 freeCodeCamp博客页面工作坊中的断言方法优化建议
最新内容推荐
PCDViewer-4.9.0-Ubuntu20.04:专业点云可视化与编辑工具全面解析 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 SAP S4HANA物料管理资源全面解析:从入门到精通的完整指南 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 LabVIEW串口通信开发全攻略:从入门到精通的完整解决方案 Windows版Redis 5.0.14下载资源:高效内存数据库的完美Windows解决方案
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
144
1.93 K

deepin linux kernel
C
22
6

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

React Native鸿蒙化仓库
C++
192
274

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
930
553

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
422
392

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
65

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K

Elasticsearch
国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8